短时路段行程时间分布预测方法研究

为有效利用历史路段行程时间数据,提高短时路段行程时间分布估计精度,提出了一种自适应数据融合方法。通过分析历史行程时间数据与实时行程时间数据间的关系,构建了二者间的映射模型,有效地将非精确对应下的数据区间映射为精确对应状态,并根据所建非线性模型得到预测数据分布,极大地提高了行程时间分布的预测精度。考虑时间延迟等因素,采用DYNASMART仿真软件对所提出的方法进行了模拟验证。结果表明:随着采集步长的增加,应用自适应数据融合方法得到的短时行程时间预测分布与随时间变化的实际行程时间分布状态保持一致,这有效保障了数据预测的质量,为智能交通管控策略的制定提供可靠的依据。     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination) 估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min 时,估计平均相对误差为 35.5%;为30 min 时,估计平均相对误差为20.4%;为60 min 时,估计平均相对误差为 16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.     

山区小城市机非混行道路行程时间修正模型研究

为准确估计山区小城市路段行程时间,以山区小城市道路为研究对象,在分析其交通特性和传统BPR模型的基础上,通过定义路段累计流量,构造了基于路段累计流量的机非混行道路行程时间修正模型。采用人工记录法获取非拥堵状态下的实测数据,并通过VISSIM仿真得到拥堵状态下的实验数据,根据大量数据标定修正BPR模型的主要参数,并对两种模型进行误差分析。结果表明:山区小城市干路行程时间估计中,修正BPR模型的误差均值为4.597%,传统BPR模型的误差均值为35.021%;支路行程时间估计中,修正BPR模型的误差均值为3.120%,传统BPR模型的误差均值为46.737%。修正BPR模型的估计效果明显优于传统BPR模型,且非机动车干扰对支路路段行程时间的影响更为显著。     

基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题，提出改进的行程时间估计模型，并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进，用路段节点的到达速度代替同一出发时刻下测得的速度，通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先，基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径；其次，分别用改进的行程时间估计模型估计K条最短路径的行程时间；最后，以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%；算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度，而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

多信号交叉口干线行程时间特性分析

城市道路多信号交叉口影响下的行程时间分布及可靠性是交通流理论研究中的重要方向 之一。本文基于灰色关联理论建立信号协调控制下的多信号交叉口行程时间影响因素模型。首 先,对车牌识别数据进行预处理,得到路段和干线行程时间数据;然后,利用Burr分布和高斯混合 模型对数据进行分布拟合,并进行拟合优度检验;最后,利用灰色关联法分析交叉口数量、干线长 度和干线流量与行程时间特性之间的关联关系。结果表明,单路段行程时间分布具有明显的双 峰现象,高斯混合模型适用于单路段行程时间的拟合;而Burr分布可以较好地描述多信号交叉口 干线行程时间分布右偏和高峰值的特征。交叉口数量、干线长度和干线流量与行程时间特性之 间有较强的相关性,且干线长度的影响更为显著,随着干线长度的增加,行程时间趋于一个稳定 的单峰分布,波动性减小,可靠性增加。     

随机需求条件下道路网行程质量评估--行程时间可靠性

考虑日常OD需求变化,提出了随机需求条件下获取道路网路径行程时间概率分布的新方法,用行程时间可靠性描述道路网运行的质量的指标,针对其偏态分布特点,利用Johnson、Gauss曲线拟合行程时间的分布,通过小样本来估计分布的数字特征,并通过与蒙特卡罗法计算结果对比,验证结果的一致性,利用拟合的分布控制行程时间的中心线、上下限,从而对行程时间的可接受极限值进行界定,对道路网行程质量进行控制。     

基于ARCH 模型簇的路径行程时间可靠性分析

 行程时间可靠性是反映道路交通网络可靠性的重要指标.由于交通系统存在不 确定性,行程时间的波动具有异方差性,利用传统数理统计方法建立的行程时间预测模 型,无法对行程时间进行准确的预测.针对行程时间波动的尖峰厚尾、集群性等特点,引入 计量经济学中的ARCH 模型簇.通过实证分析,评价行程时间波动的时变性、持续性,描 述系统外部信息冲击的分布,分析行程时间波动对外部信息冲击的反应机制.结果表明, ARCH 模型簇能很好地适应行程时间序列数据的方差变化特点,与交通系统的自身特性 相吻合,能够对路径行程时间的可靠性进行有效的评价.     

基于MLR的公交车行程时间预测模型

分析了站间距离、上下车乘客数、停车延误等因素与公交车行程时间存在的线性映射关系,推导并建立了多元线性回归(MLR)模型,利用大连市21路公交车的数据,对模型进行了标定和检验,并对线性模型的误差来源进行了详细的分析和探究.重点探讨了行驶车速-行程时间线性相关性、乘客数-停站时间线性相关性、延误和行程时间线性相关性,解释了MLR标定的系数的含义,并阐述了导致MLR模型产生误差的来源,分析了非线性因素的影响.研究结果表明多元MLR模型能够解释影响因素与行程时间之间的线性因果关系,可以用来估计和预测公交车行程时间.     

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一,采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

基于换道轨迹规划模型的车道级行程时间估计方法研究

在车联网环境下,为满足精细化的车辆诱导需求,提出基于换道轨迹规划模型的车道级行程时间估计方法.建立路网基础道路拓扑模型,对所构建的路网模型进行Link划分,并利用改进的5次多项式模型对车辆行驶轨迹进行描述,构建车辆在不同路段Link间行驶的换道轨迹规划模型;整合车辆在路段各个Link单元的行车轨迹与行程时间,实现车道级...     

基于朴素贝叶斯轨道交通网络客流分配模型

在充分分析轨道交通行程时间组成要素及分布特性的基础上,利用已知AFC数据对行程时间参数进行估计,提出一种基于朴素贝叶斯分类器的轨道交通网络客流分配模型。利用AFC数据估算行程时间组成要素参数,得到OD间每条路径行程时间的均值及方差;将每名乘客的AFC数据作为一个样本,行程时间作为一个特征属性,利用朴素贝叶斯分类器进行概率分类,将每名乘客划分到后验概率最高的某条路径;得到轨道交通OD间每条有效路径的客流。根据广州地铁算例验证及仿真实验结果表明,该方法能较好预测每条有效路径客流分配比例。     

改进的高速公路路段行程时间估计方法

准确估计高速公路路段行程时间有助于充分发挥智能交通管理与服务系统的作用,文章在传统路段行程时间估计方法的基础上,从交通流具有动态流动性的角度出发,构建了一种改进的行程时间估计方法;通过车辆运行过程中所在时空的动态变化性,根据2个时段的检测器数据和各路段预设的行程时间给2类信息分配权值;最后以南京机场高速公路为例进行分析,结果表明改进方法可有效估计路段行程时间,并且路段越长,改进效果越明显。     

出行策略与行程时间不确定下的公交客流分配方法

利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.     

���п���·�ϻ������ȹ��ʷֲ�������ģ��

在交通油耗和排放模型的研究中,利用机动车比功率（VSP）分布刻画交通状态成为了最新研究需求. 然而,现有交通工程还缺乏对常见交通参数与VSP间关系的认识,更缺乏利用交通参数求解VSP分布的模型. 为了研究交通状态对VSP分布的影响,本文利用大量城市快速路上的浮动车数据,建立了其不同行程速度下对应的VSP分布. 经分析,发现了VSP分布与平均行程速度之间的规律性特征：当平均行程速度大于20 km／h时,VSP分布近似于正态分布;分布均值为以该速度匀速行驶时的VSP值;分布标准差可表达为平均行程速度的幂函数. 基于以上发现,提出了利用平均行程速度的VSP分布数学模型,并利用该模型进行机动车油耗测算. 通过与实测油耗的对比分析,VSP分布模型可以有效用于机动车油耗测算. 本研究指出了利用数学模型描述不同交通状态下VSP分布的可能性,该模型可有效地与交通数据或模型结合,实现油耗和排放的实时量化评价.     

城市快速路上机动车比功率分布特性与模型

在交通油耗和排放模型的研究中,利用机动车比功率（VSP）分布刻画交通状态成为了最新研究需求. 然而,现有交通工程还缺乏对常见交通参数与VSP间关系的认识,更缺乏利用交通参数求解VSP分布的模型. 为了研究交通状态对VSP分布的影响,本文利用大量城市快速路上的浮动车数据,建立了其不同行程速度下对应的VSP分布. 经分析,发现了VSP分布与平均行程速度之间的规律性特征：当平均行程速度大于20 km／h时,VSP分布近似于正态分布;分布均值为以该速度匀速行驶时的VSP值;分布标准差可表达为平均行程速度的幂函数. 基于以上发现,提出了利用平均行程速度的VSP分布数学模型,并利用该模型进行机动车油耗测算. 通过与实测油耗的对比分析,VSP分布模型可以有效用于机动车油耗测算. 本研究指出了利用数学模型描述不同交通状态下VSP分布的可能性,该模型可有效地与交通数据或模型结合,实现油耗和排放的实时量化评价.     

城市主干路路段行程时间估计的BPR修正模型

为提高城市主干路交通流平均行程时间的估计精度,根据路段上游检测器采集的截面流量,建立了3种BPR(bureau of public roads)修正模型,包括全状态累积流量BPR修正模型、分状态标定的BPR模型和分状态累积流量BPR修正模型.仿真结果表明:全状态累积流量BPR修正模型明显优于传统的BPR模型;分状态标定的BPR模型和分状态累积流量BPR修正模型可以进一步提高估计精度,且后者可将阻滞交通状态下的平均估计误差降低至8.05%.     

RBF神经网络在公交行程时间预测中的应用

为提高公交行程时间预测结果准确度、减少预测过程花费时间,提出基于RBF神经网络公交行程时间预测模型。综合分析公交车辆行程时间动静态影响因素后,将网络变量输入模型对行程时间进行预测,以重庆市462公交线路为例,对模型进行验证,对比BP网络预测结果,表明RBF模型在速度和精确度上优于BP网络,具有一定实际应用价值。     

基于改进遗传卡尔曼算法的短时路段行程时间估计

为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法。利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数。实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度。根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息。